Dari AI yang Menjawab ke AI yang Bertindak

SuaraSumut.id - AI meraih momen penting pertamanya di cloud. Fase berikutnya berlangsung di dunia nyata. Peralihan dari AI cloud ke AI fisik mendorong enterprise untuk meninjau kembali ekspektasi tentang kinerja. Metrik yang dirancang untuk pelatihan dan inferensi hanya menceritakan sebagian dari keseluruhan cerita ketika AI harus memahami, menalar, dan mengendalikan mesin yang beroperasi di sekitar manusia.

Dalam sistem seperti ini, kinerja menjadi persoalan tingkat sistem yang mengubah cara robot diukur dan dirancang, serta pada akhirnya menentukan arsitektur komputasi yang akan menggerakkannya.

AMD memiliki rekam jejak panjang di bidang robotika selama dua dekade, termasuk pada lengan robot industri, robot bergerak otonom, sistem bedah, dan platform kedirgantaraan. Di berbagai sistem ini, AMD juga menghadirkan visi mesin, fusi sensor, kontrol motor deterministik, dan keselamatan fungsional. AI dibangun di atas fondasi tersebut.

Perubahan Definisi Performa

Salil Raje, Senior Vice President dan General Manager, Adaptive and Embedded Computing Group mengatakan, sistem AI fisik tidak hanya menghasilkan jawaban. Sistem ini juga bertindak. Hal itu mengubah hal-hal yang penting: responsivitas, prediktabilitas, daya, keselamatan, dan kemampuan beroperasi secara andal dalam kondisi nyata. Ketepatan waktu menjadi inti dari semuanya. Keputusan kontrol yang terlambat bukan sekadar masalah kinerja. Ini adalah kondisi kegagalan yang dapat menyebabkan tabrakan, ketidakstabilan, atau perilaku yang tidak aman.

Hal ini sangat jelas pada robot humanoid. Robot ini mulai diterapkan di lingkungan industri lebih awal dibandingkan apa yang diperkirakan kebanyakan orang dan semakin sering bekerja di dekat manusia. Dalam percakapan saya dengan OEM robotika, kebutuhan yang paling sering saya dengar bukanlah kapasitas komputasi paling tinggi.

Namun, yang dibutuhkan adalah kemampuan menjalankan model AI canggih bersama kontrol real-time yang deterministik, yaitu memadukan kecerdasan dengan respons tingkat sistem yang dapat diprediksi dan terikat waktu. Di dunia fisik, melewatkan jendela waktu untuk bertindak bukan sekadar keterlambatan, melainkan hasil yang tidak aman.

Mengukur Hal yang Keliru

Industri masih mengoptimalkan angka yang salah. TOPS (trillions of operations per second) adalah metrik yang tidak lengkap untuk AI fisik. Metrik ini menunjukkan seberapa banyak komputasi yang dapat diterapkan, tetapi tidak menunjukkan apakah sistem dapat merasakan suatu peristiwa, mengambil keputusan, dan melakukan tindakan yang tepat dalam batas waktu yang ditentukan.

Hal itu membutuhkan mesin komputasi, memori, jaringan, sensor, dan software yang bekerja sebagai satu sistem terkoordinasi, dengan bandwidth memori yang cukup agar data bergerak ke tempat dan pada waktu yang dibutuhkan. Model yang cepat di satu prosesor tidak menjadikan seluruh system menjadi cepat dalam melakukan perpindahan data, penjadwalan, atau tahap lainnya menyebabkan sistem melewati tenggat waktu.

Itulah sebabnya AI fisik perlu diukur dari awal hingga akhir, mulai dari masukan sensor sampai tindakan fisik. Latensi rata-rata saja tidak cukup. Tail latency dan jitter juga penting karena satu lonjakan saja dapat mengganggu kestabilan loop kontrol. Benchmark model memiliki keterbatasan yang sama. Anda bisa merencanakan sepanjang hari, tetapi jika robot melewatkan waktu untuk bertindak, kualitas rencana menjadi tidak relevan. Yang sering membuat anggaran waktu terlampaui bukanlah modelnya, melainkan segala sesuatu di antara tahapan: antrean, penjadwalan, penyalinan memori, dan perpindahan data.

Satu Mesin, Beragam Beban Kerja

AI fisik bukanlah satu jenis beban kerja (workload). Persepsi dan penalaran berorientasi pada throughput dan cocok dijalankan pada GPU serta NPU. Kontrol real-time berorientasi pada tenggat waktu dan memerlukan eksekusi deterministik, bidang yang menjadi keunggulan FPGA dan Adaptive SoC. CPU menangani koordinasi sistem agar semuanya tetap tersinkronisasi.

Dari tubuh hingga otak, workload ini berjalan secara bersamaan, tetapi menyelesaikan masalah yang pada dasarnya berbeda sehingga membutuhkan arsitektur komputasi yang berbeda. Mengarahkan setiap aliran sensor dan keputusan kontrol melalui satu prosesor menimbulkan batasan pada bandwidth, energi, dan latensi. Semua itu merupakan batasan tingkat sistem.

Rakit seperti Tubuh

Tempatkan komputasi yang tepat untuk setiap workload, dekat dengan data dan dekat dengan tindakan. Pada praktiknya, hal ini berarti membangun robot seperti kita menggambarkan tubuh manusia. Otak yang memahami, menalar, dan merencanakan. Tulang belakang yang membawa komunikasi time-sensitive ke seluruh sistem.

Sendi yang menjalankan gerakan secara deterministik. Tangan yang menangani ketangkasan kompleks. Sensor di bagian tepi. Hasilnya adalah sistem real-time terdistribusi yang terdiri atas node-node terkoordinasi, bukan satu unit pemrosesan tunggal.

Keselamatan adalah Properti Sistem

Baik fungsi-fungsi ini dipusatkan maupun didistribusikan, keselamatan bergantung pada perilaku seluruh sistem dan, yang paling penting, bagaimana respon ketika terjadi kegagalan. Hal ini mengubah keputusan desain sejak awal: di mana keputusan dibuat, bagaimana gangguan dibatasi, dan fungsi mana yang harus merespons dalam tenggat waktu real-time yang sempit.

Redundansi. Penurunan fungsi secara bertahap. Pengambilan keputusan lokal dalam batasan global. Kemampuan ini membantu sistem mempertahankan perilaku yang terkendali, mencapai kondisi aman, dan dalam banyak kasus tetap beroperasi meski komputasi AI utamanya gagal.

Ini adalah tantangan industri yang mencakup robotika, otomotif, dan otomasi industri. Tantangan ini membutuhkan hardware, software, dan arsitektur sistem yang saling bekerja. Keselamatan bukan lapisan tambahan di atas sistem; keselamatan menentukan bagaimana sistem dibangun.

AMD membantu perancang membangun arsitektur ini melalui Adaptive SoC dan platform x86. Adaptive SoC menyediakan pemrosesan real-time lock-step khusus dan logika yang dapat diprogram untuk pemantauan dan kontrol deterministik, didukung silikon bersertifikasi keselamatan menurut IEC61508, ISO26262, dan ISO13849, serta alur desain bersertifikasi.

Pekerjaan yang sedang berkembang seperti ISO/CD 25785-1 menegaskan semakin besarnya perhatian pada keselamatan tingkat sistem untuk robot industri dengan kestabilan dinamis. Sistem ini memerlukan perilaku yang dapat diprediksi di seluruh proses penginderaan, komputasi, kontrol, dan respons terhadap kegagalan, sehingga arsitektur sistem menjadi keputusan mendasar terkait keselamatan sejak awal.

Pada platform AMD x86, Xen—hypervisor ringan yang mengisolasi workload satu sama lain—dapat mendukung arsitektur dengan tingkat kritikalitas campuran melalui pemisahan workload dengan persyaratan keselamatan yang berbeda dan penerapan batas terkendali pada memori, perangkat, serta sumber daya komputasi bersama.

AMD dan komunitas Xen terus mengembangkan Xen menuju sertifikasi keselamatan pada platform AMD x86 dan Arm. Kontribusi ini tidak hanya mencakup isolasi, tetapi juga persyaratan, pengujian, injeksi kesalahan, dan bukti yang diperlukan untuk mendukung sertifikasi. Persetujuan konsep keselamatan telah selesai, dan pekerjaan berlanjut menuju sertifikasi akhir.

Yang AMD bangun

Pandangan tingkat sistem inilah yang membentuk solusi AI robotika AMD Kria™, dengan portofolio system-on-module yang dapat diskalakan:

- Kria AI SOM dan kartu carrier robotika bertenaga prosesor AMD Ryzen™ AI Embedded X100 Series.

- AMD Kria™ AI Robotics Developer Platform, platform terbuka dan terintegrasi yang menggabungkan komputasi CPU, GPU, NPU, dan FPGA.

- AMD Robotics Software Suite dan AMD Robotics Partner Network terbuka.

Kria AI sebagai otak. Adaptive SoC AMD Versal™ sebagai tulang belakang. SoC AMD Zynq™ pada sendi dan tangan. FPGA AMD Spartan™ pada sensor. Foundation Robotics dan Generative Bionics sedang membangun sistem dengan teknologi ini.

Pengujian dan analisis pihak ketiga memperkuat keyakinan kami bahwa sistem AI fisik perlu diukur pada tingkat sistem. Kria AI SOM mempertahankan 8.000 keputusan kontrol per detik sekaligus menghadirkan penalaran AI dalam waktu kurang dari 100 milidetik.

Dalam workload robotika representatif, konfigurasi AMD Ryzen AI Embedded memberikan keandalan kontrol real-time tepat waktu hingga 3,4x lebih baik dan kapasitas komputasi cadangan hingga 1,6x lebih tinggi dibandingkan NVIDIA Jetson T5000. Analisis terpisah dari mimik menemukan dukungan untuk hingga 2,3x lebih banyak agen serentak.

Dalam robotika, “terbuka” harus berarti lebih dari sekadar standar di atas kertas. AMD Robotics Software Suite adalah tumpukan perangkat lunak terbuka dan portabel yang dibangun di atas platform AMD ROCm™ dan sistem operasi ROS 2, dengan dukungan untuk PyTorch, ONNX, dan MoveIt. Spesifikasi hardware Kria developer platform juga terbuka, sehingga pelanggan leluasa menggunakan mitra ODM dan membangun produk berbasis silikon AMD dalam faktor bentuk yang dibutuhkan tanpa terkunci pada satu vendor.

Kapasitas komputasi puncak penting, tetapi hanya menceritakan sebagian dari keseluruhan cerita. Pengembang yang mengoptimalkan seluruh sistem dan memetakan setiap workload ke mesin komputasi yang tepat akan membangun robot yang bekerja secara andal saat hal itu paling dibutuhkan. Komputasi puncak dapat menghasilkan demo yang mengesankan. Kinerja tingkat sistemlah yang mengubahnya menjadi produk.

1. Hasil didasarkan pada pengujian pihak ketiga dan pengujian internal AMD. Hasil 8.000 keputusan per detik (125 μs) diperoleh dari benchmark Bosch menggunakan kontroler Bosch Rexroth pada GPU AMD X100 Series untuk mengukur latensi loop kontrol real-time CPU. Penalaran robot di bawah 100 ms diukur dalam benchmark embedL yang menargetkan latensi inferensi GPU VLA (berdasarkan Pi0.5 VLA). Hasil klasifikasi visi didasarkan pada pengujian internal AMD menggunakan mobilenetv3. Hasil yang diberikan organisasi pihak ketiga belum diverifikasi secara independen oleh AMD. Manfaat kinerja dan biaya dipengaruhi oleh berbagai variabel. Hasil di sini khusus untuk organisasi pihak ketiga tersebut dan mungkin tidak umum. (GD-181a.)

2. Berdasarkan OpenNav Robotics Workload Benchmark yang ditugaskan AMD dan diterbitkan Open Navigation LLC pada 23 Juli 2026, sebagaimana diukur pada GMKtec EVO-X2 AI Mini PC AMD Ryzen AI Max+ 395 yang dikonfigurasi untuk mencerminkan spesifikasi Ryzen AI Embedded X199 (CPU 5,1 GHz, GPU 2,9 GHz, TDP 120W, LPDDR5X-7500), dibandingkan dengan NVIDIA Jetson AGX Thor Developer Kit:

3. Berdasarkan OpenNav Robotics Workload Benchmark yang ditugaskan AMD dan diterbitkan Open Navigation LLC pada 23 Juli 2026, sebagaimana diukur pada GMKtec EVO-X2 AI Mini PC AMD Ryzen AI Max+ 395 yang dikonfigurasi untuk mencerminkan spesifikasi Ryzen AI Embedded X199 (CPU 5,1 GHz, GPU 2,9 GHz, TDP 120W, LPDDR5X-7500), dibandingkan dengan NVIDIA Jetson AGX Thor Developer Kit.

4. Berdasarkan white paper mimik “Architectural Fit for Production-Scale Agentic AI on Heterogeneous SoCs” yang ditugaskan AMD dan diterbitkan mimik pada 23 Juli 2026. Analisis ini menggunakan pemodelan terhadap 455 alur kerja agentic AI yang layak pada dua kelas perangkat (X100 dan NVIDIA Jetson T5000), dengan memeriksa kapasitas CPU, GPU, dan memori yang tersisa.